XiaoMi-AI文件搜索系统
World File Search System估计算法
量子最优控制的高效量子算法
在本文中，我们提出了高效的量子算法，这些算法比解决量子最优控制问题的经典算法快得多。该问题涉及找到在时间 T 时最大化物理量的控制变量，其中系统由时间相关的薛定谔方程控制。这种类型的控制问题也与机器学习有着错综复杂的关系。我们的算法基于时间相关的汉密尔顿模拟方法和快速梯度估计算法。我们还提供了全面的误差分析，以量化各个步骤的总误差，例如控制函数的有限维表示、薛定谔方程的离散化、数值求积和优化。我们的量子算法需要容错量子计算机。
实时刷新大气数据传感 (RT–FADS) 系统的飞行演示
对于高阿尔法研究飞行器飞行测试，HI-FADS 计算是在飞行后使用地面遥测的压力数据进行的。为了允许作为实际飞行系统的一部分进行自主操作，HI-FADS 算法被集成到一个实时系统中，该系统包括压力传感器、计算硬件、机载程序数据存储和飞机仪表系统接口。该系统，即实时刷新空气数据传感 (RT-FADS) 系统，在 NASA Dryden F-18 系统研究飞机 (SRA) 上进行了飞行测试。本文介绍了 RT-FADS 测量系统，包括基本测量硬件、空气数据参数估计算法和确保算法对传感器故障具有容错性的冗余管理方案。介绍了系统校准方法以及亚音速、大迎角和超音速飞行状态下系统性能的评估。
![arxiv：2412.07623v1 [Quant-ph] 2024年12月10日](/simg/g:\will\search\icon\source\2\206d07d0c3d81e24d44a15476c3e76d02bc1858d.webp)
arxiv：2412.07623v1 [Quant-ph] 2024年12月10日
在现代量子信息科学中验证量子状态的正确制备至关重要。已经开发了各种方案，以估计不同各方产生的量子状态的保真度。直接保真度估计是一种领先的方法，因为它通常需要许多与希尔伯特空间维度线性扩展的测量值，从而使其比完整的状态层析成像效率要高得多。在本文中，我们介绍了通用量子状态的新型保真度估计方案，其总体计算成本仅作为希尔伯特空间维度的平方根缩放。此外，我们的协议大大减少了要求的测量数量以及当事方之间有限的沟通成本。该协议利用量子幅度估计算法与经典的影子层析成像结合使用来实现这些改进。
自主机器人平台的方向估计
本论文主要研究基于惯性传感器提供的测量结果的方向估计。强调使用三轴线性加速度计和陀螺仪。建议顺序使用两种估计算法进行方向估计。第一个是卡尔曼滤波器，主要用于基于加速度计数据进行重力估计。第二种算法采用扩展卡尔曼滤波器结构，利用第一种算法得到的重力估计和陀螺仪数据进行方位估计。以多元方式估计方向，而不使用绕陀螺仪轴的一维旋转离散性的简化假设。通过这种方式，可以精确处理非常大的转向角度。
衰老优化的收费控制多...
摘要：本文提出了一种方法，该方法可导致高度准确的电荷依赖性多阶段恒定电流（MCC）充电算法用于电动自行车电池，以减少充电时间，而不会通过避免使用Li-Plpling来加速老化。首先，通过三电极测量值对当前速率，最新电荷和Li-Plating之间的关系进行了实验分析。因此，提出了一种依赖社会的充电算法。其次，在MATLAB/SIMULINK中开发了基于扩展的Kalman滤波器的SOC估计算法，以进行高精度SOC估计并精确控制充电算法。实验的结果表明，SOC估计的均方根误差（RMSE）为1.08％，并且从0％到80％SOC的充电时间降低了30％。
固定翼和多旋翼飞机的稳健视觉惯性导航与控制
以固定翼飞机为例，开发了一种基于矢量场输入的状态相关 LQR 控制器，以及从误差状态和李群理论得出的 EKF，以估计飞机状态和惯性风速。通过蒙特卡罗模拟证明了这种控制器/估计器组合的稳健性。接下来，通过使用阻力系数、部分更新和关键帧重置增强滤波器，提高了多旋翼飞行器最先进的 EKF 的准确性、稳健性和一致性。蒙特卡罗模拟证明了增强滤波器的准确性和一致性得到了提高。最后，推导出使用图像坐标的视觉惯性 EKF，以及用于估计精确视觉惯性估计算法所需变换的离线校准工具。通过数值模拟还表明基于图像的 EKF 和校准器在各种条件下都具有稳健性。
量子傅里叶变换估计驱动周期
车辆系统中的驾驶周期是决定能源消耗、排放和安全性的重要因素。快速估计驾驶周期的频率对于与燃油效率、减排和提高安全性相关的控制应用非常重要。量子计算已经确定了可以获得的计算效率。基于量子傅里叶变换的驾驶周期频率估计算法比经典傅里叶变换快得多。该算法应用于真实世界数据集。我们使用量子计算模拟器评估该方法，结果显示与经典傅里叶变换的结果具有显著的一致性。当前的量子计算机噪声很大，提出了一种简单的方法来减轻噪声的影响。该方法在 15 qbit IBM-q 量子计算机上进行了评估。对于有噪声的量子计算机，所提出的方法仍然比经典傅里叶变换更快。
基于大数据模糊K-均值群集的英语教学能力的评估算法
回答传统英语教学能力评估算法中大数据信息不准确的分类问题，本文提出了基于大数据模糊K-Means Clustering的英语教学能力估计算法。首先，本文建立了约束参数索引分析模型。其次，定量递归分析用于评估大数据信息模型的功能，并实现功能约束特征信息的熵特征提取。最后，通过整合大数据信息融合和K-Means聚类算法，该文章可以实现用于英语教学能力的指标参数的聚类和集成，准备相应的教学资源分配计划，并评估英语教学能力。实验结果表明，使用此方法评估英语教学能力具有良好的信息融合分析能力，并提高了教学能力评估的准确性和教学资源应用的效率。
